“罗仁泽”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果122个，建议您升级VIP下载更多相关专利

[发明专利]一种基于生成对抗网络的地震资料随机噪声盲去噪方法-CN202310876849.4在审
发明人： 罗仁泽;易玺;林虹宇;刘恒;王磊;吴涛;雷璨如;武娟;廖波;曹瑞;赵丹;王清松 -专利权人：西南石油大学
申请日： 2023-07-18 - 公布日： 2023-10-17 - 主分类号： G06T5/00 文献下载
摘要：本发明提出一种基于生成对抗网络的地震资料随机噪声盲去噪方法。首先对原始数据集按比例划分为训练数据和测试数据，分别在训练和测试数据中加入高斯噪声和未知的随机噪声；训练时将数据送入改进残差模块进行第一次特征粗提取，保证相邻图像像素之间的关联性；随后使用改进通道注意力机制对特征向量进行第二次细提取，保证图像自身特征的完备性；最后通过计算改进的梯度惩罚函数拉大真实样本与假样本之间的差距，不仅节约训练时间，也增强了判别器的判别能力，提高了生成器的特征提取能力。本发明网络具有较好的泛化性以及较高的准确性，特别是在存在一些复杂未知噪声的地震图像去噪方面有较好的表现。
一种基于生成对抗网络地震资料随机噪声盲去噪方法

[发明专利]一种基于深度学习的X射线图像焊缝缺陷检测方法-CN202310877840.5在审
发明人： 罗仁泽;王磊;吴涛;刘恒;林泓宇;雷璨如;武娟;易玺;廖波;曹瑞;赵丹 -专利权人：西南石油大学
申请日： 2023-07-18 - 公布日： 2023-10-17 - 主分类号： G06T7/00 文献下载
摘要：本发明所提供的一种基于深度学习的X射线图像焊缝缺陷检测方法，利用FasterRCNN网络对X射线图像进行焊缝缺陷检测，相较于传统FasterRCNN，本发明改进了主干网络的ResNet50模块，在Bottleneck中最后一个卷积层后面增加了gi信息增益模块，提升特征提取能力，同时，对RPN网络中的预设锚框生成比例进行修改，使用K‑Means++算法对待检测的目标长宽比例进行聚类，得到更符合当前检测数据集的缺陷特征长宽比例分布，提升缺陷检测效果。
一种基于深度学习射线图像焊缝缺陷检测方法

[发明专利]一种基于改进YOLOv8n的小目标检测方法-CN202310877467.3在审
发明人： 罗仁泽;林虹宇;王磊;吴涛;刘恒;雷璨如;武娟;王清松;易玺;廖波;曹瑞;赵丹 -专利权人：西南石油大学
申请日： 2023-07-18 - 公布日： 2023-10-17 - 主分类号： G06V10/82 文献下载
摘要：本发明提出一种基于改进YOLOv8n的小目标检测方法。方法具体步骤如下：(1)构建小目标数据集；(2)引入过渡下采样模块替代YOLOv8n模型浅层下采样操作，减少了输入图像由于连续下采样导致的小目标信息丢失；(3)在YOLOv8n模型中分别插入上采样模块和下采样模块，减少了较浅层网络中由于下采样导致的小目标信息丢失；(4)采用融合了改进SwinTransformer‑V2模块的改进C3模块替换YOLOv8n模型中部分C2f模块，加强了小目标信息在主干特征提取网络深层部分的关注度；(5)利用(1)中构建的数据集对改进的YOLOv8n模型进行训练、验证、评价。本发明在减少模型少量参数量、满足实时检测要求的情况下，增加了小目标检测的平均精度均值，减少了误检漏检情况的发生。
一种基于改进 yolov8n 目标检测方法

[发明专利]一种基于集成学习的高含水致密砂岩储层产能智能预测方法-CN202310157010.5在审
发明人： 罗仁泽;雷璨如;赵丹;易玺;廖波;曹瑞;武娟 -专利权人：西南石油大学
申请日： 2023-02-23 - 公布日： 2023-08-04 - 主分类号： G06Q10/04 文献下载
摘要：一种基于集成学习的高含水致密砂岩储层产能智能预测方法，本方法在bagging集成算法的采样方式和基分类器输入特征筛选两方面进行了修改，原采样方式的数据采样为随机采样，每个基分类器的输入特征相同，本发明的采样方式在随机采样中加入了相关系数筛选机制，若每一个采样后的数据集所有输入测井特征与预测值的相关系数之和小于预设值则舍弃此数据集，重新采样；将基于信息增益的特征重要性生成算法用于计算每个基学习器的训练集的测井特征重要程度，取重要程度最高的前N个测井特征作为该基学习器的输入特征。
一种基于集成学习含水致密砂岩产能智能预测方法

[发明专利]一种基于改进yolo网络的管道焊缝缺陷检测方法-CN202310392031.5在审
发明人： 罗仁泽;李华督;唐祥;王磊;陈翔;雷璨如;林泓宇;吴涛;刘恒;罗任权;邓治林;余泓;谭亮;武娟;廖波;曹瑞;赵丹;王清松;易玺 -专利权人：西南石油大学
申请日： 2023-04-12 - 公布日： 2023-07-21 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种基于改进yolo的管道焊缝缺陷检测方法，该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进yolo网络模型，具体实施方法为：在上采样特征提取模块采用两个改进的残差网络结构去进行特征提取，实现网络模型检测精度与检测速度的双增长，设计正则化交叉熵损失函数改善样本不平衡的问题，最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷检测精度和检测效率。
一种基于改进 yolo 网络管道焊缝缺陷检测方法

[发明专利]一种基于改进分水岭算法的图像分割算法-CN202310392119.7在审
发明人： 罗仁泽;罗任权;谭亮;李华督;邓治林;余泓 -专利权人：西南石油大学
申请日： 2023-04-13 - 公布日： 2023-07-21 - 主分类号： G06T7/12 文献下载
摘要：本发明所提供的一种基于改进分水岭算法的图像分割算法。对灰度化后的图像进行帽变换，增强了图像的明暗对比度。在此基础上，使用高斯滤波对图像做卷积处理，凸显出图像边缘。最后使用分水岭算法得到最终的分割图像。本发明的相较于传统的分水岭算法，具有更好的分割效果，具有广泛的应用价值。
一种基于改进分水岭算法图像分割

[发明专利]一种基于GA-Unet的机场道面缺陷识别方法-CN202310386523.3在审
发明人： 罗仁泽;邓治林;罗任权;谭亮;余泓;李华督 -专利权人：西南石油大学
申请日： 2023-04-12 - 公布日： 2023-07-14 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种基于GA‑Unet的机场道面缺陷识别方法，该模型使用GFM模块丰富了模型的输入信息，使模型的可用特征信息增加；然后，该模型使用MRCM和CAM模块实现了网络模型中的各层级特征的有效利用，提升了模型的特征识别能力。在模型训练过程中，采用Focal损失函数使模型更加关注图像中的裂缝等难分类的小样本的特征，进一步提升模型的裂缝、灌缝和板缝的识别性能。实验结果表明，现有的深度学习图像识别技术很有希望在机场道面图像识别领域落地应用，为机场道面管理人员减少工作量以及对机场道面科学养护与管理提供了理论依据。
一种基于 ga unet 机场缺陷识别方法

[发明专利]一种基于深度学习的骨显像病灶分割方法-CN202310370170.8在审
发明人： 罗仁泽;吴涛;余泓;刘恒;林泓宇;陈翔;廖波;易玺;赵丹;曹瑞;王清松 -专利权人：西南石油大学
申请日： 2023-04-10 - 公布日： 2023-07-14 - 主分类号： G06T7/10 文献下载
摘要：本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用Swin Transformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。
一种基于深度学习显像病灶分割方法

[发明专利]一种基于改进Unet模型的机场道面缺陷识别方法-CN202310386384.4在审
发明人： 罗仁泽;邓治林;罗任权;谭亮;余泓;李华督 -专利权人：西南石油大学
申请日： 2023-04-12 - 公布日： 2023-07-14 - 主分类号： G06T7/00 文献下载
摘要：本专利提出了一种基于改进Unet模型的机场道面缺陷识别方法，利用改进的残差模块以及通道注意力机制来提升道面表观特征的识别能力。在训练过程中，相较于传统的交叉熵损失，焦点损失更加关注道面特征处的误差，进而提升裂缝、灌缝和板缝的识别能力。实验结果表明，深度学习模型很有希望落地应用，为机场道面检测人员减少工作量以及对机场道面养护与管理提供了理论依据。
一种基于改进 unet 模型机场缺陷识别方法

[发明专利]一种基于改进U-Net和自适应混合损失的骨显像自动分割方法-CN202310138341.4在审
发明人： 罗仁泽;余泓;罗任权;吴涛;王清松;曹瑞;易玺;廖波;赵丹 -专利权人：西南石油大学
申请日： 2023-02-20 - 公布日： 2023-07-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进U‑Net和自适应混合损失的骨显像自动分割方法，针对骨显像图像信噪比低、病灶小难以提取和人工勾画病灶耗时等问题。以多尺度密集连接卷积块为基本卷积单位，提出了一种基于改进U‑Net的骨显像自动分割网络。在U‑Net的编码部分引入使用多尺度密集连接卷积块与最大池化层对骨显像病灶进行特征提取；在解码部分使用转置卷积进行上采样；在网络训练时使用自适应混合损失优化分割结果。本发明公开的骨显像病灶自动分割方法，比原始的分割方法更优秀，有效地提升了骨显像病灶的分割精度。
一种基于改进 net 自适应混合损失显像自动分割方法

[发明专利]一种改进生成对抗网络的图像修复方法-CN202310391460.0在审
发明人： 罗仁泽;罗任权;谭亮;李华督;邓治林;余泓 -专利权人：西南石油大学
申请日： 2023-04-13 - 公布日： 2023-07-11 - 主分类号： G06T5/00 文献下载
摘要：本发明所提供的一种基于生成对抗网络的图像修复的方法，以U‑Net与注意力机制为基础，利用改进U‑Net提取大范围、多尺度的特征信息，使用注意力机制网络获取全局特征信息，通过验证，本发明的修复算法具有更优秀的修复效果，具有广泛的应用价值。
一种改进生成对抗网络图像修复方法

[发明专利]一种基于改进UNet的管道焊缝图像分割方法-CN202310392019.4在审
发明人： 罗仁泽;李华督;唐祥;王磊;雷璨如;陈翔;吴涛;刘恒;林泓宇;罗任权;邓治林;余泓;谭亮;武娟;曹瑞;赵丹;王清松;易玺;廖波 -专利权人：西南石油大学
申请日： 2023-04-12 - 公布日： 2023-07-11 - 主分类号： G06V10/26 文献下载
摘要：本发明提出一种基于改进UNet的管道焊缝图像分割方法。该方法首先先对采集到的管道焊缝图像数据进行预处理并建立数据集，然后构建改进UNet网络管道焊缝图像分割模型，具体实施方法为：首先利用密集连接块结合并行注意力机制构建网络下采样模块，提升模型特征提取能力，再利用深度可分离卷积代替普通卷积，减少了模型计算量与计算量，最后使用加权Dice和交叉熵函数结合的新损失函数，缓和管道焊缝图像中焊缝区域与非焊缝区域占比不均衡的情况；最后利用数据训练集对模型进行参数训练，并将测试集图像输入训练好的网络模型，得到分割后的图像；本发明的分割模型对管道焊缝图像的目标分割精度高，分割效果好。
一种基于改进 unet 管道焊缝图像分割方法

[发明专利]一种基于改进卷积神经网络的高含水致密砂岩储层产能智能预测方法-CN202310394588.2在审
发明人：赵晨阳;罗仁泽;雷璨如;曾辛艺;赵丹;易玺;廖波;曹瑞;武娟 -专利权人：西南石油大学
申请日： 2023-04-13 - 公布日： 2023-07-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于改进卷积神经网络的高含水致密砂岩储层产能智能预测方法行为识别方法，该方法对测井曲线进行特征提取，构建效率更高的识别网络，具体实施方法为：首先建立适合人工智能模型训练的测井数据集合X；然后送入本发明提出的网络模型BBC中进行训练，通过利用了扩张的CNN和双向递归神经网络单元(BiGRU‑BiLSTM)体系结构来生成融合特征，然后通过结合局部和全局特征信息，最终得到网络模型的预测结果；最后使用交叉熵损失，并使用随机梯度下降对模型的损失进行反向传播，优化网络模型的参数，以达到全局最优。
一种基于改进卷积神经网络含水致密砂岩产能智能预测方法

[发明专利]一种基于改进稠密连接网络的管道焊缝缺陷识别方法-CN202310390482.5在审
发明人： 罗仁泽;李华督;唐祥;陈翔;雷璨如;武娟;王磊;吴涛;刘恒;林泓宇;罗任权;邓治林;余泓;谭亮;曹瑞;赵丹;王清松;易玺;廖波 -专利权人：西南石油大学
申请日： 2023-04-12 - 公布日： 2023-07-07 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种基于改进稠密连接网络的管道焊缝缺陷识别方法。该方法先对采集到的管道焊缝缺陷图像进行预处理，构建改进稠密连接网络模型，具体实施方法为：首先采用多通道不同尺度卷积的形式去改善稠密连接网络，进而提高网络的泛化能力；然后通过堆栈两个相同尺度卷积的方式去提高网络的特征提取能力；在网络稠密连接块中引入注意力机制模块，以达到提升有益特征，抑制无用特征的效果；设计交叉熵函数结合惩罚项损失函数，增加网络正则化效果；最后，利用数据训练集对模型进行参数训练，用测试集对训练好的模型进行测试。本发明有效的提高了管道焊缝缺陷识别精度和识别效率。
一种基于改进稠密连接网络管道焊缝缺陷识别方法

[发明专利]一种针对小目标数据集的背景置零Mosaic数据增强方法-CN202310138285.4在审
发明人： 罗仁泽;林虹宇;刘恒;吴涛;谭亮;雷璨如;易玺;廖波;赵丹;王清松;曹瑞 -专利权人：西南石油大学
申请日： 2023-02-20 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：本发明提出一种针对小目标数据集的背景置零Mosaic数据增强方法。该数据增强方法，首先对原始训练集进行一份拷贝，将其中一份原始训练集实施选择性局部背景保留的背景置零操作，然后通过选择性局部背景保留的裁剪得到小目标集合，接着通过网格目标粘贴法得到目标粘贴训练集，将另一份原始训练集与目标粘贴训练集进行混合，最后对其进行Mosaic数据增强。本发明增大了小目标在图像中有效像素的比例，使得小目标在进行特征提取时能够有机会不被复杂的背景所淹没。同时，本发明克服了以往小目标数据集通过裁剪粘贴等手段导致小目标不自然重叠的缺点，能够有效提高小目标数据集的识别精度。
一种针对目标数据背景 mosaic 增强方法

1
2
3
4
5
6
7
8
9
下一页»
尾页
共 122 条